تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تستخدم التصفية المستندة إلى المحتوى ميزات العناصر لاقتراح عناصر أخرى
ما يشابه ما يعجب المستخدم، بناءً على إجراءاته السابقة أو عمليات
الملاحظات.
لتوضيح التصفية القائمة على المحتوى، يجب أن نصمم بعض الميزات يدويًا
لمتجر Google Play. يوضح الشكل التالي مصفوفة خصائص حيث
يمثل كل صف تطبيقًا ويمثل كل عمود ميزة. الميزات
يمكن أن تتضمن فئات (مثل التعليم، غير الرسمية، الصحة)، استخدم
للتطبيق، وغير ذلك الكثير. ولتبسيط، لنفترض أنّ مصفوفة الخصائص هذه تكون ثنائية:
إذا كانت القيمة غير صفرية، فهذا يعني أن التطبيق يحتوي على هذه الميزة.
ويمكنك أيضًا تمثيل المستخدم في مساحة الميزات نفسها. قد تتضمن بعض البيانات المتعلقة بالمستخدم
الميزات التي يمكن أن يوفرها المستخدم بشكل صريح. على سبيل المثال، يختار المستخدم
"تطبيقات الترفيه" في ملفه الشخصي. يمكن أن تكون ميزات أخرى ضمنية،
استنادًا إلى التطبيقات التي سبق له تثبيتها. على سبيل المثال، قد يرغب المستخدم
تطبيقًا آخر تم نشره من قِبل Science R Us.
يجب أن يقترح النموذج عناصر ذات صلة بهذا المستخدم. للقيام بذلك، يجب عليك
عليك أولاً اختيار مقياس التشابه (على سبيل المثال، حاصل الضرب النقطي). بعد ذلك، يجب عليك
إعداد النظام لتقييم كل عنصر مرشّح وفقًا لهذا التشابه
المقياس. تجدر الإشارة إلى أن التوصيات خاصة بهذا المستخدم، حيث إن النموذج
لم تستخدم أي معلومات عن مستخدمين آخرين.
استخدام حاصل الضرب النقطي كمقياس للتشابه
مراعاة الحالة التي يضمِّن فيها المستخدم \(x\) والتطبيق
التضمين \(y\) كلاهما متجهان ثنائيان. منذ
\(\langle x, y \rangle = \sum_{i = 1}^d x_i y_i\)،
تظهر في كل من \(x\) \(y\) وتساهم بنسبة 1 في
المجموع. بعبارة أخرى، \(\langle x, y \rangle\) هو الرقم
الخصائص النشطة في كلا الخطين المتجهين في وقت واحد. مرتفع
فإن ناتج الضرب النقطي يشير إلى المزيد من الخصائص الشائعة، وبالتالي إلى تشابه أعلى.
جربه بنفسك!
احسب المنتج النقطي لكل تطبيق في مشكلة التطبيق السابقة.
بعد ذلك، استخدم هذه المعلومات للإجابة عن السؤال أدناه:
إِيهِ التَّطْبِيقِ الْمُقْتَرَحْ؟
التطبيق التعليمي من إنشاء Science R Us.
إجابتك صحيحة! يتضمّن هذا العنصر أعلى ضرب نقطي.
في 2. يحب المستخدم تطبيقات العلوم والتعليم.
تطبيق الصحة الذي أنشأته مؤسسة Healthcare
حصل هذا التطبيق على نتيجة 1. إنه ليس أسوأ اقتراح لدينا
الذي يمكن أن يصنعه النظام، لكنه بالتأكيد ليس الأفضل.
هذا التطبيق البسيط الذي أنشأه TimeWastr.
يحتوي هذا التطبيق على أدنى ضرب نقطي عند 0. إنّ
المستخدم غير مهتم بالتطبيقات البسيطة مثل الألعاب.
تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["Content-based filtering suggests items similar to a user's preferences by analyzing item features and user interactions."],["User and item features are represented in a feature matrix, where common features indicate higher similarity."],["Dot product is used as a similarity metric, with higher values indicating stronger relevance between user and item."],["Recommendations are tailored to individual users based on their specific features and interactions, without using data from other users."],["The system identifies the best recommendations by calculating dot products and selecting items with the highest scores."]]],[]]
